論文の概要: Big Tech influence over AI research revisited: memetic analysis of attribution of ideas to affiliation

• arxiv url: http://arxiv.org/abs/2312.12881v1
• Date: Wed, 20 Dec 2023 09:45:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-21 16:02:17.993276
• Title: Big Tech influence over AI research revisited: memetic analysis of attribution of ideas to affiliation
• Title（参考訳）: AI研究に対するビッグデータの影響再考:アイデアのアフィリエイトへの貢献のメメティック分析
• Authors: Stanis{\l}aw Gizi\'nski, Paulina Kaczy\'nska, Hubert Ruczy\'nski, Emilia Wi\'snios, Bartosz Pieli\'nski, Przemys{\l}aw Biecek, Julian Sienkiewicz
• Abstract要約: 本稿は、AI研究におけるビッグデータのリーチとパワーの理解を広げ、深化することを目的としている。 AI指向の論文抽象化とその引用ネットワークにネットワークとメメティック分析を適用することで、この現象に関する深い知見を把握できる。 以上の結果から,Big Tech関連論文は,一部地域では不当に引用されているものの,最も引用されている論文はBig TechとAcademiaの関連論文であることが示唆された。
• 参考スコア（独自算出の注目度）: 3.958317527488534
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There exists a growing discourse around the domination of Big Tech on the landscape of artificial intelligence (AI) research, yet our comprehension of this phenomenon remains cursory. This paper aims to broaden and deepen our understanding of Big Tech's reach and power within AI research. It highlights the dominance not merely in terms of sheer publication volume but rather in the propagation of new ideas or \textit{memes}. Current studies often oversimplify the concept of influence to the share of affiliations in academic papers, typically sourced from limited databases such as arXiv or specific academic conferences. The main goal of this paper is to unravel the specific nuances of such influence, determining which AI ideas are predominantly driven by Big Tech entities. By employing network and memetic analysis on AI-oriented paper abstracts and their citation network, we are able to grasp a deeper insight into this phenomenon. By utilizing two databases: OpenAlex and S2ORC, we are able to perform such analysis on a much bigger scale than previous attempts. Our findings suggest, that while Big Tech-affiliated papers are disproportionately more cited in some areas, the most cited papers are those affiliated with both Big Tech and Academia. Focusing on the most contagious memes, their attribution to specific affiliation groups (Big Tech, Academia, mixed affiliation) seems to be equally distributed between those three groups. This suggests that the notion of Big Tech domination over AI research is oversimplified in the discourse. Ultimately, this more nuanced understanding of Big Tech's and Academia's influence could inform a more symbiotic alliance between these stakeholders which would better serve the dual goals of societal welfare and the scientific integrity of AI research.
• Abstract（参考訳）: 人工知能(AI)研究のランドスケープでは、ビッグデータの優位性に関する議論が増えているが、この現象の理解はいまだに順調だ。 本稿では,AI研究におけるビッグデータのリーチとパワーの理解を深め,深化することを目的とする。 これは単に出版量というだけでなく、新しいアイデアの伝播や、textit{memes} における支配を強調するものである。 現在の研究は、一般的にarXivや特定の学術会議のような限られたデータベースから得られる学術論文における関係の共有に対する影響の概念を単純化する。 本稿の主な目的は、その影響の特定のニュアンスを解明し、どのAIアイデアがビッグデータエンティティによって主に駆動されているかを決定することである。 AI指向の論文抽象化とその引用ネットワークにネットワークとメメティック分析を適用することで、この現象に関する深い知見を把握できる。 OpenAlexとS2ORCの2つのデータベースを利用することで、従来の試みよりもはるかに大きなスケールでそのような分析を行うことができる。 以上の結果から,Big Tech関連論文は,一部地域では不当に引用されているが,最も引用されている論文はBig TechとAcademiaの関連論文であることがわかった。 最も伝染性の高いミームに注目すると、特定のアフィリエーショングループ(ビッグテック、アカデミア、混合アフィリエーション)への帰属は、これら3つのグループ間で均等に分散しているように見える。 これは、AI研究に対するビッグデータの優位の概念が、議論の中で過度に単純化されていることを示唆している。 最終的に、この、ビッグテックとアカデミアの影響に関するより曖昧な理解は、これらの利害関係者間のより共生的な同盟を示唆し、社会福祉とAI研究の科学的完全性という2つの目標に役立てることができる。

関連論文リスト

• Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
  本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。 人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。 これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
  論文  参考訳（メタデータ） (2024-10-10T17:38:38Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• Analyzing the Impact of Companies on AI Research Based on Publications [1.450405446885067]
  私たちは、過去10年間に出版された学術的および企業公認のAIパブリッシングを比較します。 個々の出版物が受ける引用回数は、会社によって(共著)される場合、著しく高いことが分かりました。
  論文  参考訳（メタデータ） (2023-10-31T13:27:04Z)
• Identifying and Mitigating the Security Risks of Generative AI [179.2384121957896]
  本稿では,GenAIによる双対ジレンマに関するGoogleのワークショップの成果を報告する。 GenAIはまた、攻撃者が新しい攻撃を生成し、既存の攻撃のベロシティと有効性を高めるためにも使用できる。 この話題について,コミュニティの短期的,長期的目標について論じる。
  論文  参考訳（メタデータ） (2023-08-28T18:51:09Z)
• Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
  この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。 欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
  論文  参考訳（メタデータ） (2022-12-10T07:49:50Z)
• The History of AI Rights Research [0.0]
  報告書は、AIの権利およびその他の人工エンティティの道徳的考慮に関する研究の歴史を文書化している。 この論文は、この文学における重要な知的影響と、このトピックをより直接的に扱う研究や学術的な議論を強調している。
  論文  参考訳（メタデータ） (2022-07-06T17:52:27Z)
• Characterising Research Areas in the field of AI [68.8204255655161]
  トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。 その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
  論文  参考訳（メタデータ） (2022-05-26T16:30:30Z)
• Threat of Adversarial Attacks on Deep Learning in Computer Vision: Survey II [86.51135909513047]
  ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。 本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。 この領域では、非専門家に技術的な用語の定義を提供する。
  論文  参考訳（メタデータ） (2021-08-01T08:54:47Z)
• The De-democratization of AI: Deep Learning and the Compute Divide in Artificial Intelligence Research [0.2855485723554975]
  大手テクノロジー企業やエリート大学は、2012年のディープラーニングの予期せぬ増加以来、主要なAIカンファレンスへの参加を増やしている。 この効果は、QS世界大学ランキングで1-50位にランクされているエリート大学に集中している。 このAI研究における企業やエリート大学の存在の増加は、中層(QSが201-300位)と下層(QSが301-500位)の大学が混在している。
  論文  参考訳（メタデータ） (2020-10-22T15:11:14Z)
• The Grey Hoodie Project: Big Tobacco, Big Tech, and the threat on academic integrity [3.198144010381572]
  われわれは、Big Techが学術的展望を積極的に歪め、そのニーズに合うかを示す。 他の業界(Big Tobacco)のよく研究されている行動と、現在のBig Techの行動を比較することで、どちらの業界でも同様の戦略が採用されていることがわかる。 学術研究の資金を、ビッグデータが社会的に責任を負う公共イメージの推進に利用するツールとして検討する。
  論文  参考訳（メタデータ） (2020-09-28T23:00:49Z)
• Machine Identification of High Impact Research through Text and Image Analysis [0.4737991126491218]
  本稿では,引用の可能性が低い論文から高い論文を自動的に分離するシステムを提案する。 本システムでは,文書全体の外観を推測する視覚的分類器と,コンテンツインフォームド決定のためのテキスト分類器の両方を用いる。
  論文  参考訳（メタデータ） (2020-05-20T19:12:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。